Plan für Heute

1. Einleitung
   • Was ist Reproduzierbarkeit?
   • Einfache Strategien (“Easy Wins”)
   • Einführung in dynamische Berichte
2. Praktischer Teil
   • Erstellung dynamischer Berichte mit Quarto
   • Typische Herausforderungen und Lösungen
3. Fortgeschrittene Themen
   • Nächste Schritte für mehr Reproduzierbarkeit
   • Tools und Best Practices
4. Zusammenfassung & Abschlussdiskussion
   • Was haben wir gelernt?
   • Offene Fragen & Ausblick

Sehr grober Zeitplan

Vorabinformation

Teile dieses Workshops beruhen teils verbatim oder sehr nah auf folgenden Ressourcen, welche ich mit einer CC-BY Lizenz verwende:

• CRS Primer on dynamic reporting
• Molo, Fraga González, and Pawel (2025)
• Peikert and Diemerling (2025)
• Wickham, Çetinkaya-Rundel, and Grolemund (2023)

TODO Link zu Materialien nochmals.

Computational reproducibility

Eine sehr einfache Definition:

Die gleiche Analyse der gleichen Daten führt zu den gleichen Ergebnissen

Beispiel

Beispiel: Nicht alles ist schlecht

• Studie zu 110 Artikeln in Ökonomie und Politikwissenschaft
• Über 85% der Artikel konnten reproduziert werden
• Etwa 70% der Befunde waren robust gegenüber Alternativanalysen

Terminologie

Computational Reproducibility

Replicability: Beispiel

Robustness: Beispiel

Generalizability

Jeder Schritt zählt

Projektstruktur

Vorher: Chaos 📁

-   Paper_final_wirklich_final.docx 
-   daten.xlsx code_alt.R 
-   code_neu_funktioniert.R 
-   plot1.png 

Nachher: Ordnung ✨

projekt/
├── data/
│   ├── raw/
│   └── processed/
├── scripts/
├── output/
└── README.md

R-Project

Dateinamen

Code-Dokumentation

❌ Unzureichend:

logmlis <- function(x){
  lapply(x, function(x){
   y <- unlist(x)
   y <- y[!is.na(y)]
   y <- y[y != ""]
   return(mean(log(y)))
  })
}

✅ Besser:

log_mean_list <- function(x) {
  # Calculates the logarithmic mean of a list of numerical values
  # Removes NA and empty values before the calculation
  y <- unlist(x)  
  y <- y[!is.na(y)]  
  y <- y[y != ""]  
  return(mean(log(y)))  
}

Code-Dokumentation

• Viele unterschiedliche
• In der Softwareentwicklung: Oftmals Abneigung gegen zu ausführlicher, repetitiver Dokumentation
• In der Wissenschaft: Lieber etwas zu viel als zu wenig

Dateipfade

❌ Absoluter Pfad (schlecht):

daten <- read.csv("C:/Users/Maria/Desktop/Masterarbeit/daten.csv") 

✅ Relativer Pfad (gut):

daten <- read.csv("data/raw/fragebogen-daten.csv") 

library(here)
daten <- read.csv(here("data", "raw", "fragebogen-daten.csv"))

Aufteilung in verschiedene Skripte

❌ Ein großes Skript:

# complete_analysis.R (500+ lines)
# Data import, cleaning, analysis, plots, export...

✅ Modulare Aufteilung:

Funktionsbasiertes Programmieren

❌ Code-Wiederholung:

# Standardization for variable 1
data$var1_std <- (data$var1 - mean(data$var1, na.rm = TRUE)) / 
                 sd(data$var1, na.rm = TRUE)

# Standardization for variable 2  
data$var2_std <- (data$var2 - mean(data$var2, na.rm = TRUE)) / 
                 sd(data$var2, na.rm = TRUE)

# Standardization for variable 3...

✅ Funktion erstellen:

standardize_variable <- function(x) {
  # Z-standardization of a numeric variable
  (x - mean(x, na.rm = TRUE)) / sd(x, na.rm = TRUE)
}

# Anwendung
data$var1_std <- standardize_variable(data$var1)
data$var2_std <- standardize_variable(data$var2)
data$var3_std <- standardize_variable(data$var3)

# Oder besser:
data <- data |>
  mutate(across(starts_with("var"), standardize_variable))

Vermeiden von “magic numbers”

❌ Unklare Zahlen im Code:

# What do these numbers mean?
clean_data <- data[data$age >= 18 & data$age <= 65, ]
final_data <- clean_data[clean_data$score > 2.5, ]
significant <- results[results$p_value < 0.05, ]

✅ Benannte Konstanten:

# Clear definitions at the beginning of the script
MIN_AGE <- 18
MAX_AGE <- 65
MIN_SCORE <- 2.5
ALPHA_LEVEL <- 0.05

# Usage in code
clean_data <- data[data$age >= MIN_AGE & 
                   data$age <= MAX_AGE, ]
final_data <- clean_data[clean_data$score > MIN_SCORE, ]
significant <- results[results$p_value < ALPHA_LEVEL, ]

Session Info

Warum wichtig?

• Reproduzierbarkeit: Welche R-Version und Pakete wurden verwendet?
• Fehlerdiagnose: Unterschiedliche Paketversionen können verschiedene Ergebnisse liefern
• Dokumentation: Vollständige Nachvollziehbarkeit der Analyse

# Session information for reproducibility
sessionInfo()

writeLines(capture.output(sessionInfo()), "session_info.txt")

Typischer, nicht-dynamischer Workflow

Typische Probleme

Ein Workflow für dynamische Reports

Komponenten eines dynamischen Reports

Text: Typische Markup-Sprachen

Manche Implementierungen

Warum Quarto?

Quarto in RStudio

Quarto in RStudio: PDF Output

Quarto in RStudio: MS Word output

Weitere Literatur

• CRS Primer zu dynamischen Reports: https://doi.org/10.5281/zenodo.7565735
  
• Quarto Intro Tutorial: https://quarto.org/docs/get-started/hello/rstudio.html
  
• Quarto Authoring Tutorial: https://quarto.org/docs/get-started/authoring/
  
• Quarto Layout: https://quarto.org/docs/authoring/article-layout.html
  
• R4DS Kapitel zu Quarto: https://r4ds.hadley.nz/quarto
  
• Yihui Xie’s Blog: With Quarto coming, is R Markdown going away? No.
  
• Reproducible manuscripts with Quarto: Folien von Mine Cetinkaya-Rundel
  
• Quarto/RMarkdown – What’s different?: Folien von Ted Laderas

Session Info